银行客户流失分析预测

客户流失意味着客户终止了和银行的各项业务，毫无疑问，一定量的客户流失会给银行带来巨大损失。考虑到避免一位客户流失的成本很可能远低于挖掘一位新客户，因此对客户流失情况的分析预测至关重要。本文分析了某银行10000条客户信息，含14个字段，接下来我们将从这些数据中探索客户流失特征和原因，推测目前客户管理、业务等方面可能存在的问题，建立预测模型预警客户流失情况，为制定挽留策略提供依据。

1. 探索性分析

1.1 认识字段

首先，初步了解下这些数据。

字段依次表示行号、客户Id、姓氏、信用积分、地理位置、性别、年龄、开户时长、账户余额、产品数量、有无信用卡、是否活跃、收入估计、是否流失（即目标变量）。为了便于后续处理，对字段重新排列，将目标变量放在首列，并去除无用字段。显然其中行号、客户Id、姓氏对流失情况的分析预测意义不大，可以忽略，其余字段可分为分类变量和数值变量，在数据处理环节再做变换等操作。另外，剔除少量异常数据。

1.2 流失率与分类变量

从数据中不难得知流失率为20.4%，接下来先对分类变量做初步探索，为了便于观察流失占比，这里采用饼图，饼图大小代表用户数量，橙、蓝分别代表流失、留存用户：

按性别分，女性用户少于男性用户数量，但流失率更高。建议银行提升女性的用户体验，考虑到女性消费能力很强，可以考虑和商家联手推出倾向女性顾客的优惠活动。按有无信用卡分，有信用卡者明显居多，有信用卡的两类群体中流失率略低。按国家分，法国用户数量最多，德国用户与西班牙用户数量相近，但德国用户流失率远高于其他两国，建议对德国的客户管理情况做进一步深入调研。按照活跃度分，不活跃用户流失率远高于活跃用户，因此活跃度是个需要重点关注和提升的指标。

1.3 流失率与数值变量

下面继续观察下数值变量的分布情况，如图：

从账户余额看，余额在10万-15万之间的较高余额用户流失率很高，这势必会对银行业务造成不小损失，值得重点关注。从年龄看，用户多分布在年龄在25-50岁之间，年龄较长的客户（45-65岁）流失率非常高，因而在采取挽留策略时需要视不同的年龄划分而定。从信用积分看，信用积分分布在600-700分之间的客户最多，流失的客户数量也最多。从开户时长看，用户的开户时长主要为1-9年，且开户1-9年的这些客户开户时长频数分布比较均匀，流失率没有明显差异；然而开户时间短于1年或者高于9年的用户有更高的流失风险，可以考虑优化新客户的开发和挽留策略。从产品数量看，拥有产品数为1、2的客户数量最多，且有2个产品的用户流失率低于拥有1个产品的用户，可以考虑提升产品的吸引力，增强用户黏度。从收入看，用户收入多在2万-18万间，且用户数量和流失率在此区间分布较为均匀，事实上社会中人群的收入分布并不是如此均匀，这表明有大量的潜在客户可以开发。

2.数据处理

2.1 删除字段

前文已提到行号、客户Id、姓氏可以忽略，这里我们将这三个字段剔除。

2.2 新增字段

除了存款和收入，客户将多少比例的收入存到银行同样是个重要的考量参数，因此新增一个特征：存款收入比，即存款/收入。所有客户的存款收入比均大于零，且存款收入比越高，越容易流失。

2.3 处理缺失值、异常值

数据无需处理缺失值，省略。至于异常值不止一两个，且对流失情况预测可能有一定意义，选择暂不处理。

2.4 转换分类变量

分类变量的种类较少，可直接选用独热编码来处理性别和国家，所用函数为pd. get_dummies()。

2.5 归一化数值变量

在归一化数值变量前先随机将80%数据划分为训练集，余下20%为测试集。然后对数值变量分别归一化，变换方法如下：
df_train[col1] = (df_train[col1]-col1_min)/(col1_max-col1_min)
顺便提下，在模型训练时，测试集属于外来数据，应该和训练集完全分开，如果直接对所有数据进行归一化，测试集的数据可能给训练集的特征范围等带来影响，进而影响模型效果。

3. 模型拟合和选取

3.1 模型调用

将目标变量提取出来，命名为y_train, y_test，余下变量则命名为X_train，X_test。采用决策树、KNN近邻、支持向量机（SVM）几种常用的算法训练模型，并选取最优算法。
这里涉及参数多采用sklearn中的默认参数，以简化工作。当然，随着对机器学习的了解深入，可以通过调参、模型融合等方式进一步提升预测效果。

from sklearn.neighbors import KNeighborsClassifier
from sklearn.svm import SVC
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

model = [KNeighborsClassifier(), SVC(), DecisionTreeClassifier()]
model_names = ["KNN", "SVM", "Decision tree"]
for i in range(0, 3):
    y_pred = model[i].fit(X_train, y_train).predict(X_test)
    accuracy = accuracy_score(y_pred, y_test)*100
    print(model_names[i], ":", accuracy, "%")

3.2 最佳预测模型

三种模型在测试集中的预测准确率分别如下：

发现支持向量机SVM模型的效果最好，故选取该模型。对测试集的预测准确率达84.2%，可以推测用该模型对银行客户流失情况预测具有一定准确率，预测结果具备重要的参考价值。

3.3 预测模型意义

银行客户流失情况预测模型的建立，能够给银行业务提供有效的预警。对有流失倾向的客户做出标记，能使银行在客户管理和策略制定上更有针对性，用较低成本实现客户挽留率的改善，减少客户流失带来的损失。